Description des datasets
1 Caractéristiques 2018
2 Véhicules
3 Usagers
4 Caractéristiques 2018
4.1 Construction du jeu de donnée
La table comporte 55138 observations qui correspondent chacune à des accidents différents, et 16 variables.
Aperçu des données| Num_Acc | an | mois | jour | hrmn | lum | agg | int | atm | col | com | adr | gps | lat | long | dep |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201800000001 | 18 | Janvier | 24 | 1505 | Plein jour | Hors Agglo | Intersection en Y | Normale | Deux véhicules - frontale | 5 | route des Ansereuilles | Métropole | 5055737 | 294992 | 59 |
| 201800000002 | 18 | Février | 12 | 1015 | Plein jour | Agglo | Place | Temps éblouissant | Sans collision | 11 | Place du général de Gaul | Métropole | 5052936 | 293151 | 59 |
| 201800000003 | 18 | Mars | 4 | 1135 | Plein jour | Agglo | Intersection en T | Normale | Sans collision | 477 | Rue nationale | Métropole | 5051243 | 291714 | 59 |
| 201800000004 | 18 | Mai | 5 | 1735 | Plein jour | Agglo | Hors intersection | Temps éblouissant | Deux véhicules – par le coté | 52 | 30 rue Jules Guesde | Métropole | 5051974 | 289123 | 59 |
| 201800000005 | 18 | Juin | 26 | 1605 | Plein jour | Agglo | Hors intersection | Normale | Deux véhicules – par le coté | 477 | 72 rue Victor Hugo | Métropole | 5051607 | 290605 | 59 |
| 201800000006 | 18 | Septembre | 23 | 630 | Crépuscule ou aube | Agglo | Hors intersection | Pluie légère | Autre collision | 52 | D39 | Métropole | 5052132 | 288837 | 59 |
Chaque accident est décrit par :
- sa date / heure,
- sa localisation et une description de sa localisation,
- la météo au moment de l’accident
- ainsi que le type d’accident.
| Num_Acc | an | mois | jour | hrmn | lum | agg | int | atm | col | com | adr | gps | lat | long | dep | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201800000001: 1 | Min. :18 | Octobre : 5453 | Min. : 1.00 | Min. : 1 | Plein jour :36992 | Hors Agglo:19728 | Hors intersection :36378 | Normale :43525 | Autre collision :18679 | Min. : 1 | Length:55138 | Métropole:55138 | Min. :4200000 | Min. :-508705 | Length:55138 | |
| 201800000002: 1 | 1st Qu.:18 | Juin : 5358 | 1st Qu.: 8.00 | 1st Qu.: 950 | Crépuscule ou aube : 3672 | Agglo :35410 | Intersection en X : 6874 | Pluie légère : 6173 | Deux véhicules – par le coté :15556 | 1st Qu.: 57 | Class :character | Antilles : 0 | 1st Qu.:4541344 | 1st Qu.: 148920 | Class :character | |
| 201800000003: 1 | Median :18 | Septembre: 5312 | Median :16.00 | Median :1445 | Nuit sans éclairage public : 5252 | NA | Intersection en T : 5611 | Temps couvert : 1991 | Deux véhicules – par l’arrière: 7100 | Median :119 | Mode :character | Guyane : 0 | Median :4799360 | Median : 239666 | Mode :character | |
| 201800000004: 1 | Mean :18 | Juillet : 4995 | Mean :15.72 | Mean :1377 | Nuit avec éclairage public non allumé: 523 | NA | Autre intersection: 2068 | Pluie forte : 1263 | Sans collision : 4945 | Mean :188 | NA | Réunion : 0 | Mean :4708154 | Mean : 268051 | NA | |
| 201800000005: 1 | 3rd Qu.:18 | Mai : 4804 | 3rd Qu.:23.00 | 3rd Qu.:1810 | Nuit avec éclairage public allumé : 8699 | NA | Giratoire : 2011 | Temps éblouissant: 1010 | Deux véhicules - frontale : 4840 | 3rd Qu.:276 | NA | Mayotte : 0 | 3rd Qu.:4885857 | 3rd Qu.: 480808 | NA | |
| 201800000006: 1 | Max. :18 | Novembre : 4651 | Max. :31.00 | Max. :2359 | NA | NA | Intersection en Y : 1157 | (Other) : 1171 | (Other) : 4016 | Max. :907 | NA | NA | Max. :5121553 | Max. :6545675 | NA | |
| (Other) :55132 | NA | (Other) :24565 | NA | NA | NA | NA | (Other) : 1039 | NA’s : 5 | NA’s : 2 | NA | NA | NA | NA’s :1714 | NA’s :1714 | NA |
Valeurs manquantes 
4.2 Distribution des variables qualitatives
Nous avons de la donnée sur l’année 2018 uniquement dans ce jeu de donnée.
5 Véhicules
5.1 Construction du jeu de donnée
La table comporte 98876 observations qui correspondent chacune à des véhicules différents, et 9 variables.
Aperçu des données| Num_Acc | senc | catv | occutc | obs | obsm | choc | manv | num_veh |
|---|---|---|---|---|---|---|---|---|
| 201800000001 | NA | VL seul | 0 | NA | Véhicule | Avant gauche | Sans changement de direction | B01 |
| 201800000001 | NA | VL seul | 0 | NA | Véhicule | Avant droit | Tournant A gauche | A01 |
| 201800000002 | NA | VL seul | 0 | NA | Piéton | NA | Sans changement de direction | A01 |
| 201800000003 | NA | Motocyclette > 125 cm3 | 0 | Véhicule en stationnement | Véhicule | Avant | Sans changement de direction | A01 |
| 201800000003 | NA | VL seul | 0 | NA | Véhicule | Côté gauche | Tournant A gauche | B01 |
| 201800000003 | NA | VL seul | 0 | NA | NA | Côté droit | En stationnement (avec occupants) | C01 |
| Num_Acc | senc | catv | occutc | obs | obsm | choc | manv | num_veh | |
|---|---|---|---|---|---|---|---|---|---|
| 201800005731: 13 | Croissant :47358 | VL seul :60384 | Min. : 0.0000 | Véhicule en stationnement : 2255 | Piéton :10261 | Avant :35421 | Sans changement de direction:39560 | A01 :56736 | |
| 201800007042: 12 | Décroissant:33040 | Motocyclette > 125 cm3 : 8277 | 1st Qu.: 0.0000 | Fossé, talus, paroi rocheuse: 1884 | Véhicule :69438 | Avant gauche:14766 | Même sens, même file :12425 | B01 :34577 | |
| 201800020085: 12 | NA’s :18478 | VU seul 1,5T <= PTAC <= 3,5T avec ou sans remorque: 6390 | Median : 0.0000 | Arbre : 1502 | Véhicule sur rail: 101 | Avant droit :12117 | Tournant A gauche : 8089 | C01 : 4317 | |
| 201800006070: 10 | NA | Bicyclette : 4967 | Mean : 0.1481 | Glissière métallique : 1317 | Animal domestique: 85 | Arrière :10136 | Déporté A gauche : 4652 | Z01 : 1700 | |
| 201800021773: 10 | NA | Cyclomoteur < 50cm3 : 3967 | 3rd Qu.: 0.0000 | Glissière béton : 1298 | Animal sauvage : 662 | Côté gauche : 7103 | Dépassant A gauche : 3374 | D01 : 950 | |
| 201800006038: 9 | NA | Scooter < 50 cm3 : 2740 | Max. :900.0000 | (Other) : 5860 | Autre : 1007 | (Other) :13939 | (Other) :22842 | E01 : 239 | |
| (Other) :98810 | NA | (Other) :12151 | NA | NA’s :84760 | NA’s :17322 | NA’s : 5394 | NA’s : 7934 | (Other): 357 |
Valeurs manquantes 
5.2 Distribution des variables qualitatives
6 Usagers
6.1 Construction du jeu de donnée
La table comporte 130169 observations qui correspondent chacune à des usagers différents, et 13 variables.
Apperçu des données| Num_Acc | place | catu | grav | sexe | trajet | locp | actp | etatp | an_nais | num_veh | equipement_secu | utilisation_equipement_secu |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201800000001 | 1 | Conducteur | Blessé hospitalisé | Masculin | NA | NA | NA | NA | 1928 | B01 | Ceinture | Oui |
| 201800000001 | 1 | Conducteur | Indemne | Masculin | Promenade – loisirs | NA | NA | NA | 1960 | A01 | Ceinture | Oui |
| 201800000002 | 1 | Conducteur | Indemne | Masculin | NA | NA | NA | NA | 1947 | A01 | Ceinture | Oui |
| 201800000002 | NA | Piéton | Blessé léger | Masculin | NA | Sur chaussée A – 50 m du passage piéton | Traversant | Seul | 1959 | A01 | Casque | NA |
| 201800000003 | 1 | Conducteur | Blessé hospitalisé | Masculin | Promenade – loisirs | NA | NA | NA | 1987 | A01 | Casque | Oui |
| 201800000003 | 1 | Conducteur | Indemne | Masculin | NA | NA | NA | NA | 1977 | C01 | Dispositif enfants | NA |
| Num_Acc | place | catu | grav | sexe | trajet | locp | actp | etatp | an_nais | num_veh | equipement_secu | utilisation_equipement_secu | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201800017680: 51 | Min. :1.000 | Conducteur :96025 | Indemne :54248 | Masculin:88218 | Domicile – travail :18015 | Sur passage piéton Sans signalisation lumineuse: 3225 | Traversant : 7928 | Seul : 7851 | Min. :1911 | A01 :78770 | Ceinture :85845 | Oui :103314 | |
| 201800019383: 46 | 1st Qu.:1.000 | Passager :23184 | Tué : 3392 | Féminin :41951 | Domicile – école : 3174 | Sur chaussée A – 50 m du passage piéton : 2483 | Autre : 760 | Accompagné: 2172 | 1st Qu.:1966 | B01 :43632 | Casque :29028 | Non : 2987 | |
| 201800013008: 44 | Median :1.000 | Piéton :10960 | Blessé hospitalisé:22169 | NA | Courses – achats : 3758 | Sur passage piéton Avec signalisation lumineuse: 1739 | Se déplaçant Sens véhicule heurtant : 629 | En groupe : 480 | Median :1982 | C01 : 5219 | Dispositif enfants : 8614 | Non déterminable: 9774 | |
| 201800029284: 39 | Mean :1.444 | Piéton en roller ou en trottinette: 0 | Blessé léger :50360 | NA | Utilisation professionnelle:12723 | Sur chaussée A + 50 m du passage piéton : 1452 | Jouant – courant : 484 | NA’s :119666 | Mean :1979 | D01 : 1152 | Equipement réfléchissant : 326 | NA’s : 14094 | |
| 201800006589: 38 | 3rd Qu.:1.000 | NA | NA | NA | Promenade – loisirs :52671 | Sur trottoir : 694 | Se déplaçant Sens inverse du véhicule: 293 | NA | 3rd Qu.:1994 | Z01 : 725 | Autre : 2227 | NA | |
| 201800006560: 37 | Max. :9.000 | NA | NA | NA | Autre :11372 | (Other) : 450 | (Other) : 209 | NA | Max. :2018 | E01 : 290 | NA’s : 4129 | NA | |
| (Other) :129914 | NA’s :10960 | NA | NA | NA | NA’s :28456 | NA’s :120126 | NA’s :119866 | NA | NA’s :30 | (Other): 381 | NA | NA |
Valeurs manquantes 
6.2 Distribution des variables qualitatives
To do :
Focus sur la métropole : à confirmer avec la team
Infographie : –> description des accidents en France
Modèle explicatif : - Clustering : quels sont les profils types des accidents ? Ex : jeune sans protection en agglo vs…
Modèle prédictif :
- Prévision des accidents par jour selon météo ? Avec un arbre de décision
Shiny app Visualisation des accidents en France sur une carte ?
Visualisation du taux de mortalité en fonction de la place de l’usager dans la voiture ?